Quá phù hợp xảy ra khi một mô hình học sâu học tập dữ liệu đào tạo quá tốt, bao gồm tiếng ồn và tiếng hơn, giảm khả năng tổng quát của nó để tổng quát hóa dữ liệu mới.

Hiểu thái quá

Quá phù hợp xảy ra khi mô hình trở nên quá phức tạp so với số lượng và tính biến đổi của dữ liệu đào tạo. nó đưa đến độ chính xác cao về việc đào tạo dữ liệu nhưng hiệu suất kém trên dữ liệu vô hình. nhận ra quá trình thẩm định bao gồm kiểm tra độ hiệu chỉnh và phát hiện sự khác biệt từ hiệu suất đào tạo.

Kỹ thuật để ngăn ngừa sự quá sức

Một số chiến lược có thể giúp giảm thiểu sự học tập mô hình sâu sắc:

  • Sự tái phân cách:) áp dụng L1 hoặc L2 hình phạt để mô hình tạ để ngăn cản sự phức tạp.
  • Dropout: ngẫu nhiên kích hoạt nơ ron trong quá trình đào tạo để ngăn chặn sự đồng-adatation.
  • Dừng lại ) ngừng luyện tập khi hiệu suất hợp lệ ngừng cải thiện.
  • Sự biến đổi để cải tiến sự biến đổi.
  • Tạo ra Mô hình phức tạp:) sử dụng kiến trúc đơn giản hơn hoặc ít tham số hơn.

Giải pháp thế giới thực

Để đảm bảo chất lượng cao, các dữ liệu đào tạo đa dạng là thiết yếu để giảm chi tiết.